本文介绍了如何使用Seaborn库中的sns.kdeplot函数以及scipy.stats.gaussian_kde在Python中生成和绘制二维随机数据的散点密度图，展示了如何设置颜色映射、添加虚线等视觉元素。
from scipy.stats import gaussian_kde
np.random.seed(0)
x = np.random.randn(1000)
y = np.random.randn(1000)
xy = np.vstack([x, y])
z = gaussian_kde(xy)(xy)
fig, ax = plt.subplots()
ax.scatter(x, y, c=z, s=3)
plt.axhline(y=math.log(1.32), color='r', linestyle='--')
plt.axvline(x=0.7, color='r', linestyle='--')
plt.ylabel('ln(ADI)')
plt.xlabel('CV')
plt.show()
文章目录六、密度图与等高线图三维函数的可视化1. 用等高线图可视化三维数据2. 用彩色等高线可视化三维数据3. 带填充色的三维数据可视化4. 重新渲染三维数据彩色图5. 在彩色图上加上带数据标签的等高线
[ Matplotlib version: 3.1.3 ]
六、密度图与等高线图
在二维图上用等高线图或者彩色图来表示三维数据是个不错的方法。
Matplotlib提供三个函数来解决这个问题：
用plt.contour画等高线图
用plt.contourf画带有填充色的等高线图（filled cont
import matplotlib.pyplot as plt
from scipy.stats import gaussian_kde
from mpl_toolkits.axes_grid1 import make_axes_locatable
plt.rcParams['fon...
import matplotlib.pyplot as plt
pd.options.display.max_columns=777
homes = pd.read_excel("C:/Users/asus/Downloads/pandas/014/home_data.xlsx")
print(homes.hea...
data = pd.read_csv("birth-rate.csv")
# 删除不需要的空数据
data.dropna(subset=['2008'], inplace=True)
# print(data.head(5))
k = mlab.Gauss
mpl-scatter-density: 使用 matplotlib 创建散点图的密度可视化
去发现同类优质开源项目:https://gitcode.com/
是一个 Python 库，它为 matplotlib 提供了一种简单的方法，用于创建具有密度可视化的高质量散点图。
什么是 mpl-scatter-density？
mpl-scatter-density 是一个轻量级库，它可以让你轻松地在...
